یہ چیونٹی سے متاثر AI دماغ فارم روبوٹ کو فصلوں کو بہتر طریقے سے نیویگیٹ کرنے میں مدد کرتا ہے۔

اس کی تصویر بنائیں: غروب آفتاب ایک مکئی کے کھیت کو عنبر اور سونے کے شاندار رنگوں میں پینٹ کر رہا ہے۔ مکئی کے ہزاروں ڈنٹھل، کڑکتے پتوں سے بھرے، ہر ایک پر ٹاور۔ کسان اپنی فصلوں کی جانچ کر رہے ہیں؛ اور روبوٹ خزاں کی فصل کے لیے پکے ہوئے، میٹھے کانوں کو نرمی سے توڑتے ہوئے گھور رہے ہیں۔

رکو، روبوٹ؟

مثالی کھیتوں اور روبوٹ ایک عجیب جوڑے لگ سکتے ہیں۔ لیکن تیزی سے جدید ترین سافٹ ویئر کی بدولت جو روبوٹ کو اپنے گردونواح کو "دیکھنے" کی اجازت دیتا ہے — ایک ٹیکنالوجی جسے کمپیوٹر ویژن کہتے ہیں — وہ تیزی سے ہماری خوراک کی پیداوار کی مین لائن میں ضم ہو رہے ہیں۔ روبوٹ اب روزمرہ کے کام انجام دے رہے ہیں، جیسے پکے ہوئے پھلوں کی کٹائی یا فصل کے مرجھانے والے جڑی بوٹیوں کو تباہ کرنا۔

ساتھ ایک مسلسل کمی فارم ورکرز میں، امید ہے کہ مشینیں فصلوں کی کٹائی کو فروغ دینے، تازہ پھل اور سبزیوں کو قابل اعتماد طریقے سے کھانے کی میزوں پر لانے اور فضلے کو کم کرنے میں مدد کر سکتے ہیں۔

وژن کو پورا کرنے کے لیے، روبوٹ فارم ورکرز کو پیچیدہ اور مبہم کھیتوں سے گزرنے کے قابل ہونے کی ضرورت ہے۔ بدقسمتی سے، یہ مشینیں بہترین نیویگیٹرز نہیں ہیں۔ وہ کھو جاتے ہیں، خاص طور پر جب پیچیدہ اور چیلنجنگ خطوں کا سامنا کرنا پڑتا ہے۔ مکئی کی بھولبلییا میں جدوجہد کرنے والے بچوں کی طرح، روبوٹ اپنا مقام بھول جاتے ہیں اس لیے اکثر علامات کا ایک نام ہوتا ہے: اغوا شدہ روبوٹ کا مسئلہ.

A  نئے مطالعہ in سائنس روبوٹکس روبوٹس کو میموری دے کر ان میں نیوی گیشن کی مہارت کو فروغ دینا ہے۔

ایڈنبرا یونیورسٹی میں ڈاکٹر باربرا ویب کی سربراہی میں، یہ الہام ایک حیران کن ذریعہ یعنی چیونٹیوں سے آیا۔ یہ critters صرف ایک سفر کے بعد مطلوبہ منزلوں تک پہنچنے میں نمایاں طور پر اچھے ہیں۔ تجربہ کار پیدل سفر کرنے والوں کی طرح، وہ جانے پہچانے مقامات کو بھی یاد رکھتے ہیں، یہاں تک کہ راستے میں بھاری پودوں سے گزرتے ہوئے بھی۔

رومنگ روبوٹ سے جمع کی گئی تصاویر کا استعمال کرتے ہوئے، ٹیم نے نیویگیشن کے دوران چیونٹیوں میں دماغی عمل پر مبنی الگورتھم تیار کیا۔ جب اسے ہارڈ ویئر پر چلایا گیا تو دماغ کے کمپیوٹنگ کی نقل بھی کی گئی، نئے طریقہ نے نیویگیشن کے کاموں میں جدید ترین کمپیوٹر ویژن سسٹم پر فتح حاصل کی۔

ٹیم نے کہا، "خاص طور پر کیڑوں کے دماغ کارکردگی اور تاثیر کا ایک طاقتور امتزاج فراہم کرتے ہیں۔"

مسئلے کو حل کرنے سے صرف روبوٹک فارم ہینڈز کو گھر پہنچنے میں مدد کے لیے ایک اندرونی کمپاس نہیں ملتا ہے۔ دماغ کی کمپیوٹیشن میں ٹیپ کرنے سے - ایک طریقہ جسے نیورومورفک کمپیوٹنگ کہا جاتا ہے - یہ مزید بہتر بنا سکتا ہے کہ روبوٹ، جیسے خود چلانے والی کاریں، ہماری دنیا کے ساتھ کس طرح تعامل کرتے ہیں۔

ایک چیونٹی کی زندگی

اگر آپ کبھی بھی گھنے جنگلوں یا مکئی کی بھولبلییا میں گھومتے رہے ہیں، تو شاید آپ نے اپنے دوستوں سے پوچھا ہوگا: ہم کہاں ہیں؟

شہر کے بلاک کے ساتھ چلنے کے برعکس — اسٹور فرنٹ اور دیگر عمارتوں کے ساتھ نشانات کے طور پر — فصل کے کھیت میں گشت کرنا انتہائی مشکل ہے۔ ایک بنیادی وجہ یہ ہے کہ یہ بتانا مشکل ہے کہ آپ کہاں ہیں اور آپ کس سمت کا سامنا کر رہے ہیں کیونکہ ارد گرد کا ماحول بہت ملتا جلتا نظر آتا ہے۔

روبوٹ کو جنگلی میں ایک ہی چیلنج کا سامنا ہے۔ فی الحال، بصارت کے نظام تصاویر لینے کے لیے متعدد کیمروں کا استعمال کرتے ہیں کیونکہ روبوٹ خطوں کو عبور کرتا ہے، لیکن اگر روشنی یا موسمی حالات تبدیل ہوتے ہیں تو وہ ایک ہی منظر کی شناخت کے لیے جدوجہد کرتے ہیں۔ الگورتھم اپنانے میں سست ہیں، جس کی وجہ سے پیچیدہ ماحول میں خود مختار روبوٹس کی رہنمائی کرنا مشکل ہو جاتا ہے۔

یہ وہ جگہ ہے جہاں چیونٹیاں آتی ہیں۔

انسانوں کے مقابلے میں نسبتاً محدود دماغی وسائل کے باوجود، چیونٹیاں پیچیدہ نئے ماحول کو سیکھنے اور نیویگیٹ کرنے میں نمایاں طور پر شاندار ہیں۔ وہ موسم، کیچڑ، یا روشنی سے قطع نظر پچھلے راستوں کو آسانی سے یاد رکھتے ہیں۔

ٹیم نے کہا کہ وہ "جی پی ایس سے زیادہ درستگی کے ساتھ ایک روٹ پر عمل کر سکتے ہیں جو روبوٹ کو اجازت دیتا ہے۔"

چیونٹی کی بحری صلاحیت کی ایک خوبی یہ ہے کہ اسے یہ جاننے کی ضرورت نہیں ہوتی کہ وہ نیویگیشن کے دوران کہاں ہے۔ بلکہ، اپنے ہدف کو تلاش کرنے کے لیے، نقاد کو صرف یہ پہچاننے کی ضرورت ہے کہ آیا کوئی جگہ واقف ہے۔

یہ ہوٹل سے ایک نئے شہر کی تلاش کے مترادف ہے: آپ کو یہ جاننے کی ضرورت نہیں ہے کہ آپ نقشے پر کہاں ہیں۔ ناشتے کے لیے کیفے تک جانے کے لیے آپ کو بس سڑک کو یاد رکھنے کی ضرورت ہے تاکہ آپ اپنے گھر واپسی کا راستہ اختیار کر سکیں۔

چیونٹی کے دماغ کو بطور الہام استعمال کرتے ہوئے، ٹیم نے تین مراحل میں ایک نیورومورفک روبوٹ بنایا۔

پہلا سافٹ ویئر تھا۔ چھوٹے دماغ ہونے کے باوجود، چیونٹیاں خاص طور پر اپنے عصبی سرکٹس کو ٹھیک کرنے میں ماہر ہوتی ہیں تاکہ وہ کسی مانوس راستے پر دوبارہ جا سکیں۔ ان کی پچھلی دریافتوں کی بنیاد پر، ٹیم نے چیونٹیوں کے دماغوں میں ایک قسم کا اعصابی مرکز "مشروم باڈیز" رکھا۔ یہ مرکز ماحول سے بصری معلومات سیکھنے کے لیے اہم ہیں۔ معلومات پھر چیونٹی کے دماغ میں پھیل جاتی ہے تاکہ نیویگیشنل فیصلوں سے آگاہ کیا جا سکے۔ مثال کے طور پر، کیا یہ راستہ جانا پہچانا لگتا ہے، یا مجھے کوئی اور لین آزمانی چاہیے؟

اس کے بعد ایونٹ کے کیمرے آئے، جو کسی جانور کی آنکھ کی طاقت کی طرح تصاویر کھینچتے ہیں۔ نتیجے میں آنے والی تصاویر کمپیوٹر کے بصارت کی تربیت کے لیے خاص طور پر کارآمد ہیں کیونکہ وہ تصویر کے دوران آنکھ کی روشنی پر عمل کرنے کے طریقے کی نقل کرتے ہیں۔

آخری جزو ہارڈ ویئر ہے: سپی این ناکر، ایک کمپیوٹر چپ دماغی افعال کی نقل کرنے کے لیے بنایا گیا ہے۔ سب سے پہلے برطانیہ کی مانچسٹر یونیورسٹی میں انجینئرنگ کی گئی، یہ چپ میموری کو انکوڈ کرنے کے لیے حیاتیاتی عصبی نیٹ ورکس کے اندرونی کاموں کو نقل کرتی ہے۔

تینوں اجزاء کو ایک ساتھ بنا کر، ٹیم نے اپنا چیونٹی جیسا نظام بنایا۔ تصور کے ثبوت کے طور پر، انہوں نے اس نظام کو موبائل روبوٹ کو طاقت دینے کے لیے استعمال کیا کیونکہ یہ مشکل خطوں میں تشریف لے جاتا ہے۔ روبوٹ، جو تقریباً ایک اضافی بڑے ہیمبرگر کے سائز کا ہے — اور مناسب طریقے سے ٹرٹل بوٹ 3 برگر کا نام دیا گیا ہے — اپنے ہائیک پر جاتے ہوئے ایونٹ کے کیمرے سے تصاویر کھینچتا ہے۔

جیسے ہی روبوٹ جنگلاتی زمینوں میں گھوم رہا تھا، اس کے نیورومورفک "دماغ" نے اپنے اردگرد کے پکسلز کا استعمال کرتے ہوئے تیزی سے "واقعات" کی اطلاع دی۔ الگورتھم نے ایک انتباہی واقعہ کو متحرک کیا، مثال کے طور پر، اگر شاخیں یا پتے روبوٹ کے وژن کو دھندلا دیتے ہیں۔

چھوٹے بوٹ نے مختلف اونچائیوں کی پودوں میں تقریباً 20 فٹ کا فاصلہ طے کیا اور اپنے ٹریک سے سیکھا۔ ٹیم نے کہا کہ یہ رینج چیونٹی کے اپنے راستے پر چلنے کے لیے مخصوص ہے۔ متعدد ٹیسٹوں میں، AI ماڈل نے زیادہ موثر تجزیہ کے لیے ٹرپ کے ڈیٹا کو توڑ دیا۔ جب ٹیم نے راستہ تبدیل کیا، تو AI نے الجھن کے ساتھ جواب دیا — انتظار کرو، کیا یہ پہلے یہاں تھا — یہ ظاہر کرتا ہے کہ اس نے معمول کا راستہ سیکھ لیا ہے۔

اس کے برعکس، ایک مقبول الگورتھم نے اسی راستے کو پہچاننے کے لیے جدوجہد کی۔ سافٹ ویئر صرف ایک راستے کی پیروی کرسکتا ہے اگر اس نے بالکل وہی ویڈیو ریکارڈنگ دیکھی۔ دوسرے الفاظ میں، چیونٹی سے متاثر الگورتھم کے مقابلے میں، یہ عام نہیں ہو سکا۔

ایک زیادہ موثر روبوٹ دماغ

AI ماڈل بدنام زمانہ توانائی کے بھوکے ہیں۔ نیورومورفک سسٹم ان کی پیٹو کو کم کر سکتے ہیں۔

SpiNNaker، سسٹم کے پیچھے ہارڈ ویئر، الگورتھم کو توانائی کی خوراک پر رکھتا ہے۔ دماغ کے اعصابی نیٹ ورک کے ڈھانچے کی بنیاد پر، چپ بڑے پیمانے پر متوازی کمپیوٹنگ کی حمایت کرتی ہے، مطلب یہ ہے کہ ایک ہی وقت میں متعدد کمپیوٹنگ ہو سکتی ہیں۔ یہ سیٹ اپ نہ صرف ڈیٹا پروسیسنگ وقفہ کو کم کرتا ہے بلکہ کارکردگی کو بھی بڑھاتا ہے۔

اس سیٹ اپ میں، ہر چپ میں 18 کور ہوتے ہیں، جو تقریباً 250 نیورونز کی نقل کرتے ہیں۔ ڈیٹا پروسیسنگ پر ہر کور کی اپنی ہدایات ہوتی ہیں اور اس کے مطابق میموری کو اسٹور کرتا ہے۔ اس قسم کی تقسیم شدہ کمپیوٹنگ خاص طور پر اس وقت اہم ہوتی ہے جب یہ ریئل ٹائم فیڈ بیک پر کارروائی کرنے کی بات آتی ہے، جیسے کہ مشکل خطوں میں روبوٹس کو جوڑنا۔

اگلے قدم کے طور پر، ٹیم چیونٹی کے دماغ کے سرکٹس میں گہری کھدائی کر رہی ہے۔ دماغ کے مختلف خطوں اور گروہوں کے درمیان اعصابی رابطوں کی تلاش روبوٹ کی کارکردگی کو مزید بڑھا سکتی ہے۔ آخر میں، ٹیم کو ایسے روبوٹ بنانے کی امید ہے جو چیونٹی کی طرح دنیا کے ساتھ بات چیت کرتے ہیں۔

تصویری کریڈٹ: فارس محمد / Unsplash سے 

• SEO سے چلنے والا مواد اور PR کی تقسیم۔ آج ہی بڑھا دیں۔
• پلیٹو ڈیٹا ڈاٹ نیٹ ورک ورٹیکل جنریٹو اے آئی۔ اپنے آپ کو بااختیار بنائیں۔ یہاں تک رسائی حاصل کریں۔
• پلیٹوآئ اسٹریم۔ ویب 3 انٹیلی جنس۔ علم میں اضافہ۔ یہاں تک رسائی حاصل کریں۔
• پلیٹو ای ایس جی۔ کاربن، کلین ٹیک، توانائی ، ماحولیات، شمسی، ویسٹ مینجمنٹ یہاں تک رسائی حاصل کریں۔
• پلیٹو ہیلتھ۔ بائیوٹیک اینڈ کلینیکل ٹرائلز انٹیلی جنس۔ یہاں تک رسائی حاصل کریں۔
• ماخذ: https://singularityhub.com/2023/10/03/this-ant-inspired-ai-brain-helps-farm-robots-better-navigate-crops/